基于人脸识别的身份识别系统
刷脸的智慧系统设计方案
刷脸的智慧系统设计方案刷脸的智慧系统是一种利用人脸识别技术实现身份验证和门禁控制的系统。
下面是一个基于人脸识别的智慧系统的设计方案，包括系统的硬件设备、软件应用和安全措施。
1. 硬件设备(1) 摄像头：选择一款高清晰度的摄像头，能够准确地捕捉人脸特征，例如分辨率达到1080P以上的摄像头。
(2) 服务器：配置高性能的服务器，用于存储人脸数据和进行人脸识别算法的计算。
(3) 门禁设备：连接到系统的门禁设备，例如电子门锁或出入口闸机，用于实现门禁控制的功能。
(4) 屏幕显示器：用于显示身份验证结果，例如显示通过或不通过的信息。
2. 软件应用(1) 人脸检测与识别算法：选择一种高效准确的人脸检测与识别算法，可以使用常见的人脸识别库，如OpenCV、Dlib等。
(2) 数据存储与管理：建立一个数据库，用于存储用户的人脸特征数据和身份信息。
每当新用户注册时，将其人脸特征数据和身份信息保存到数据库中。
(3) 身份验证逻辑：对于每个身份验证请求，系统将从数据库中检索相应用户的人脸特征数据，并与当前检测到的人脸进行比对，以确定其身份是否匹配。
(4) 防欺诈功能：可以引入活体检测技术，以确保用户提交的人脸是真实存在且活体的。
可以结合摄像头和红外线传感器等设备来完成活体检测。
3. 安全措施(1) 数据加密：将用户的人脸特征数据进行加密存储，确保数据的安全性。
(2) 角色授权：为不同的用户分配不同的权限，例如管理员具有更高的权限，普通用户只能通过门禁。
(3) 设备监控：监控系统的运行状况，及时发现并处理异常情况。
(4) 备份与恢复：定期备份人脸特征数据和系统配置文件，以便在系统故障或数据丢失时进行恢复。
4. 部署与管理(1) 部署位置：根据实际需要，将摄像头和门禁设备安装在适当的位置，通常是在每个入口点或需要权限控制的地方。
(2) 系统管理：建立一个后台管理界面，用于添加、删除和编辑用户，以及查看系统日志和报表等功能。
基于人脸识别的身份验证系统
基于人脸识别的身份验证系统近年来，随着技术的不断进步，人脸识别技术得到了广泛应用，成为了身份验证的新方向。
基于人脸识别的身份验证系统具备许多优势，如高度准确性、方便易用性以及较高的安全性，正在逐渐被各个领域所采用。
一、技术原理基于人脸识别的身份验证系统的技术原理是利用计算机对人脸图像进行处理和分析，从而识别出人脸特征并进行比对。
首先，系统通过摄像设备获取用户的人脸图像，然后提取图像中的特征点并转化为数字化信息。
接下来，系统将提取到的人脸特征与事先建立的数据库中的特征进行比对，通过计算相似度来判断身份的正确性。
最后，系统根据判断结果决定是否通过验证。
二、系统优势1. 高度准确性：相较于传统的身份认证方式，如密码、指纹等，人脸识别技术具备更高的准确性。
由于每个人的面部特征独一无二，系统能够准确地识别出注册用户，大大降低了身份冒用的风险。
2. 方便易用性：人脸识别技术的使用非常便捷，只需用户面对摄像设备进行扫描即可完成身份验证。
相较于输入复杂的密码或使用指纹识别，人脸识别的步骤更为简单，省去了用户记忆繁琐的密码和携带复杂的传感器设备的麻烦。
3. 较高的安全性：人脸识别技术不易伪造，难以被冒用。
由于人脸特征的独一无二性和复杂性，攻击者很难伪造或盗用他人的面部特征。
同时，采用先进的算法和系统对用户数据进行加密和保护，进一步提高了系统的安全性。
三、应用领域1. 出入口管理：基于人脸识别的身份验证系统可以应用于企事业单位的出入口管理。
通过在门禁系统中集成人脸识别设备，用户只需站在摄像头前进行扫描，即可完成身份验证并实现便捷出入。
2. 金融行业：人脸识别技术也可以广泛应用于金融行业的身份验证和交易安全。
用户在进行网银、手机支付等操作时，系统可以通过摄像头获取用户的人脸图像进行验证，确保交易的安全性和真实性。
3. 社会保障：人脸识别技术可以用于社会保障领域的身份验证和数据管理。
例如，在养老金发放中，系统可以通过比对受助老人的面部特征，并与数据库中的信息进行匹配，确保资金发放的准确性和安全性。
基于人脸识别技术的智慧校园系统设计与实现
基于人脸识别技术的智慧校园系统设计与实现智慧校园是指利用信息技术手段，提升校园管理和服务水平，为师生提供更加便捷、高效的学习、生活和交流环境。
其中，人脸识别技术作为智慧校园系统的重要组成部分，可以为校园提供安全、智能化的管理方案。
本文将围绕基于人脸识别技术的智慧校园系统的设计与实现展开介绍。
一、智慧校园系统概述智慧校园系统是以人脸识别技术为核心，在校园内部建立一个高度智能化的管理平台。
系统通过识别人脸信息实现学生与教职工身份认证、考勤管理、门禁控制、图书借阅、学生活动管理等多个功能的实现。
通过人脸识别技术，智慧校园系统能够快速准确地识别出人员身份信息，提高校园管理的效率和安全性。
二、人脸识别技术在智慧校园系统中的应用1. 学生与教职工身份认证在智慧校园系统中，学生和教职工可以通过人脸识别技术实现身份认证。
学生和教职工的人脸信息在系统中被存储，并与其身份信息进行关联。
当学生或教职工需要进入校园内部的敏感区域时，系统会通过摄像头采集人脸信息进行识别，实现身份认证，确保只有合法人员可以进入。
2. 考勤管理传统的考勤方式对于大规模的校园管理来说效率较低，易出现考勤数据错误等问题。
而基于人脸识别技术的考勤系统则能够自动识别学生和教职工的身份信息，准确记录考勤数据。
例如，在晨读或上课时，系统可以通过人脸识别技术自动识别学生出勤情况以及迟到早退情况，提高校园的学生管理效率。
3. 门禁控制为了保障校园安全，智慧校园系统可以利用人脸识别技术实现门禁控制。
只有授权人员的人脸信息被认证通过，才能进入特定区域。
这种方式不仅提高了校园的安全性，还能有效减少传统门禁卡的管理和使用成本。
4. 图书借阅管理通过人脸识别技术，智慧校园系统可以实现图书借阅的自动化管理。
学生只需通过人脸识别系统进行身份认证，即可自助借阅图书。
系统会记录学生的借阅信息，并在归还图书时进行相应的还书操作。
这样，不仅能减少人工介入，提高借阅效率，还能有效防止图书丢失和损坏。
基于人脸识别的远程身份验证系统
人体 的生物 特征 是进行 身份识 别最 理想 的依据 ，使用
人体 生物特 征识别 技术进 行身缺点 。 物特征识 别技术 是依 据人 体生物 特征 （ 生 面
文章 编 号 ：０ ５ １２ （０７ ０ － ０ ０ ０ １０ — ２ ８２ ０ ）２ ０ ２ — ３
基 于人脸识别 的远程身份 验证 系统
董博 生 ， 付晓玲 ， 霄峰 徐
（ 北方Ｘ ＿ 大学计 算机 应用技 术研 究所， －ｋ ， Ｉ 北京 １０ ４ ） ０ ０ １
摘 要 ： 文章介绍 了一种基于人脸识别的 Ｃ Ｓ结构的远程身份验证 系统 ， ／ 讨论 了系统结构与关键技 术 ， 出了实验结果。 给
征， 然后 同人脸信 息数 据库 中的人脸 进 行检索 比对 。 当
用户 身份有 效 时 ， 允许 用户 进入 系 统 ； 当用 户身 份无效 时 ，拒 绝用户 进 入系 统并记 录登 录时 间和访 问 者 的人 脸 图像 ， 而对非 法使 用进 行有 效追 踪 。 从
基于人脸识别技术的身份认证系统实现简介
【 关键 词 】 脸 识 别 ； 计 算 ； 人 云 图像 数 据
【 ｓｒｃ ］ａｅＲ ｃｇｉｏ ｅｈ ｏ ｇ ｓｔｅｃｍｐｓｅａｐｉ ｔ ｎｏ ｉｅｈ ｏｏ ｎ ｏ ｕｅ ｃｎ ｌ ｙ ｉｅｅｔｆ ｍ ＩｓＲ ｃｇ ｉｏ Ａｂｔａ ｔＦ ｃ ｅｏｎｔ ｎｔｃ ｎｌ ｙｉ ｈ ｏ ｏｉ ｐ ｌ ａｉ ｆ ｏ ｅｎ ｌ ａｄｃｍｐｔｒｔ ｈ ｏｏ ．Ｄｆ ｒｎ ｒ ｒ ｅｏｎｔ ｎ ｉ ｏ ｔ ｃ ｏ ｂｔ ｙ ｇ ｅ ｇ ｆ ｏ ｉ ｉ
２１ ０ ０年
第 ５期
Ｓ ＩＮ Ｅ＆Ｔ Ｃ Ｎ ＯＧ Ｆ Ｒ Ｔ Ｏ ＣＥ Ｃ Ｅ Ｈ ＯＬ ＹＩ Ｏ ＭＡ Ｉ Ｎ Ｎ
ｏ科教前沿０
科技信息
基于人脸识别技术的身份认证系统实现简介
夏 振 杰
（ 上海 交通大 学 中国 上海
２ ００ ） ０ ０ ０
【 摘 要 】 脸识 别技 术 （ａｅ ｃｇ ｉｏ ） 生物 技 术 和 计 算机 技 术的 复 合 应 用 。有 别 于虹 膜 识 别 （ｒ ｃｇ ｉｏ ）指 纹 识 别 （ｉｇｒｒ ｔ 人 Ｆｃ ｏ ｎｔ ｎ 是 Ｒｅ ｉ Ｉｓ ｉ Ｒｅｏ ｎｔ ｎ 、 ｉ Ｆｎ ｅｐｉ ｎ Ｒｅｏｎｔ ｎ ， 脸 识 别 对数 据 采集 、 析 和 处 理 更 灵 活 更 直观 。 着 个人 、 业 、 家对 于 安 全要 求 的提 高 ， 于 人 脸 识 别技 术 的 身 份认 证 系统 ｃ ｇｉｏ ）人 ｉ 分 随 企 国 基 的 应 用 也 越 来越 广泛 。本 文 通 过研 究 和 分析 ． 阐述 了如 何 实现 基 于人 脸 识 别技 术 的 身份 认 证 系统 ， 利 用 云计 算 对 大规 模认 证 系统 进 行 优化 。 和
是 获 取 人 脸 最基 本 、 直观 的特 征 （ 耳 朵 ， 如 鼻子 ， 型 ） 进 行 相 似 度 的 脸 来 比较 ， 人 脸 识别 的基 准 算 法 。 算 法 识别 速 度快 ， 是 此 占用 系 统 内存 小 但
人脸识别系统文档
人脸识别系统文档概述：人脸识别系统是一种基于人脸特征进行身份认证的技术。
本文档将详细阐述人脸识别系统的原理、应用场景、系统组成以及其相关技术。
一、原理人脸识别系统的原理是通过对人脸图像进行匹配和比对来实现身份认证的过程。
它基于人脸图像中的特征点和特征向量，通过算法将人脸图像转换为数字化的人脸模板，然后将得到的人脸模板与事先建立的人脸数据库进行对比，最终确定人脸的身份。
二、应用场景人脸识别系统广泛应用于各个领域，以下是几个常见的应用场景：1. 安全领域在安全领域，人脸识别系统可以应用于门禁系统、边境口岸、机场安检等场所，通过判断识别的人脸与已知人脸的匹配度来实现身份认证，提高安全性和便利性。
2. 社交网络人脸识别系统在社交网络中可以用于人脸标识和人脸识别功能，帮助用户实现自动标记照片中的人物，并进行自动关联，提供更好的用户体验。
3. 金融行业在金融行业，人脸识别系统可以用于身份验证和反欺诈检测。
通过识别客户的人脸信息，可以确保操作的真实性，并降低欺诈风险，增强金融安全性。
4. 教育领域在教育领域，人脸识别系统可以应用于学生考勤管理、图书馆借阅管理等场景，提高工作效率和准确性。
三、系统组成人脸识别系统主要包括以下几个组成部分：1. 人脸采集模块人脸采集模块负责获取用户的人脸图像，可以通过摄像头、监控摄像头等设备进行采集。
采集的图像将作为后续处理的输入。
2. 人脸检测与标定模块人脸检测与标定模块通过算法自动检测输入图像中的人脸，并标定出人脸的关键特征点位置，如眼睛、嘴巴等。
3. 特征提取与建模模块特征提取与建模模块将标定后的人脸图像转换成数字化的人脸特征向量，通常使用主成分分析（PCA）等算法进行特征提取和降维处理，最终得到人脸模板。
4. 数据库管理模块数据库管理模块用于存储和管理已注册的人脸模板，以供后续的人脸比对和认证。
5. 人脸比对与识别模块人脸比对与识别模块通过将待认证的人脸模板与数据库中的人脸模板进行比对，判断其相似度，从而实现人脸的识别和认证。
《基于人脸识别身份认证系统数据库的设计与研究》范文
《基于人脸识别身份认证系统数据库的设计与研究》篇一一、引言随着信息技术的飞速发展，身份认证技术已成为现代社会不可或缺的一部分。
人脸识别技术作为其中一种重要的身份认证方式，因其便捷性、非接触性以及高识别率等特点，被广泛应用于金融、安防、医疗等多个领域。
本文旨在探讨基于人脸识别身份认证系统的数据库设计，以期为相关研究与应用提供参考。
二、人脸识别技术概述人脸识别技术是一种基于人的脸部特征信息进行身份认证的生物识别技术。
其核心在于通过图像采集设备获取人脸图像，然后利用计算机算法对图像进行特征提取、比对和识别。
该技术具有高精度、非接触性、便捷性等优点，可有效提高身份认证的效率和准确性。
三、数据库设计需求分析基于人脸识别身份认证系统的数据库设计，需要满足以下需求：1. 数据存储需求：包括人脸图像数据、用户基本信息、认证记录等。
2. 数据安全性需求：确保数据在存储、传输和使用过程中的安全性，防止数据泄露和非法访问。
3. 数据处理需求：支持高效的数据查询、比对、分析和统计等操作。
4. 系统扩展性需求：适应未来业务发展和技术升级的需求，便于系统维护和升级。
四、数据库设计思路1. 数据库模型设计：采用关系型数据库模型，将数据分为用户信息表、人脸图像表、认证记录表等，实现数据的分类存储和管理。
2. 数据存储策略：采用分布式存储方案，将数据分散存储在多个服务器上，提高数据存储的可靠性和可扩展性。
同时，对人脸图像数据进行压缩处理，减小存储空间占用。
3. 数据安全措施：采用加密算法对敏感数据进行加密存储，防止数据在存储过程中被非法获取。
同时，设置访问权限和审计机制，确保只有授权用户才能访问和操作数据。
4. 索引优化：为提高数据查询效率，针对人脸图像数据和用户信息数据建立合适的索引，如采用人脸特征索引、用户ID索引等。
五、数据库实现与优化1. 数据库实现：根据数据库模型设计，使用关系型数据库管理系统（如MySQL、Oracle等）实现数据库的创建、表的设计和数据的录入。
基于人脸识别技术的身份认证系统设计与实现
基于人脸识别技术的身份认证系统设计与实现随着科技的不断发展，人脸识别技术逐渐成为常见的身份认证方式。
在各行各业中，人脸识别技术的应用越来越广泛，如智能家居、智慧城市、金融领域等。
在这些场景中，人脸识别技术可以用于安全认证和智能化管理。
一、身份认证系统设计与实现的基本思路基于人脸识别技术的身份认证系统，是由人脸识别模块、图像采集模块、图像处理模块、身份验证模块等多个模块组成的。
下面，我们详细解析这些模块的作用。
1.人脸识别模块人脸识别模块是一款通过计算机程序来识别和识别人脸的技术。
人脸识别技术中有多种算法，如基于颜色特征的人脸识别、基于纹理特征的人脸识别、基于形状特征的人脸识别等。
基于分形维纳滤波器的人脸识别算法是常见的人脸识别算法之一，该算法能够实现旋转、缩放等情况下的精确识别。
2.图像采集模块图像采集模块是收集用户需要进行身份认证的人脸图像信息。
目前的图像采集方式主要有两种：近距离拍摄和远距离拍摄。
近距离拍摄一般是指通过摄像头拍摄，拍摄距离一般不超过20厘米；而远距离拍摄则是指通过各种视频监控设备来拍摄人脸图像，拍摄距离一般超过20厘米。
3.图像处理模块图像处理模块是用来对采集的人脸图像进行处理，提高识别成功率，降低误识率。
在处理过程中，一般会进行图像缩放、旋转、对比度增强等操作。
同时，这个模块还需要进行图像去噪、纹理特征提取、边缘检测等一些列图像处理工作。
4.身份验证模块身份验证模块是用来验证用户身份的模块。
此模块需要将采集的人脸图像与预存储的人脸模板进行匹配，判断匹配程度从而进行身份验证。
二、身份认证系统设计与实现的过程1.图像采集身份认证系统的实现需要采集人脸图像并将其存储在系统中。
一般情况下，这个过程是由计算机摄像头完成的，如果需要应对特殊的应用场景，也可以采用远距离采集图像的方式。
2.图像处理在获得人脸图像后，需要经过一定的图像处理才能进一步识别和分析。
这个过程通常包括图像的预处理、特征提取等。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于人脸识别的身份识别系统
作者：王浩孙福明
来源：《电脑知识与技术》2017年第33期
摘要：设计了一种基于人脸特征来判断客户真实身份的系统.首先利用第2代居民身份证阅读器自动采集客户所出示身份证的信息.然后通过高清摄像头采集客户人脸图像.最后基于身份证头像照片与摄像头采集图像，利用深度学习方法算法判断二者人脸相似度.由于身份证人脸图像分辨率较低，采用SRCNN算法提高其分辨率，进而提高系统准确度.实验结果表明，该系统可以准确判断客户身份与其出示身份证的一致性。
关键词：人脸识别；深度学习；分辨率
中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2017）33-0211-02
人脸识别技术作为生物特征识别领域中一种基于生理特征的识别，其利用计算机提取人脸特征，并根据这些特征进行身份验证的一种技术。
人脸识别技术是一种难以冒充并且性价比高的生物特征识别技术[1]。
相较于其他生物特征，如指纹识别、虹膜识别、视网膜识别，它具有非接触，不需要对象特意配合等特点。
由于人脸识别技术具有以上优点，因此它在很多方面具有广泛应用，如档案管理系统、安全验证系统，在新兴领域也有应用，如刷脸支付，特别的结合大数据技术，可以帮助刑侦部门破获很多刑事案件。
因此在未来发展中，人脸识别具有广泛的发展前景。
针对上述应用，目前已有一些基于人脸识别的身份验证系统被提出。
陈史政[2]提出一种基于LBP特征的人脸识别技术。
朱秀娟[3]提出一种特征提取采用小波变换，分类器使用支持向量机的人脸识别系统。
以上系统均通过人工提取特征的方法，在人脸特征提取量方面会有不足。
为克服上述缺点，本系统采用深度学习方法提取特征，并对低分辨率图像采用SRCNN算法提高其分辨率。
1 系统的设计
一个典型的人脸识别系统主要由两个部分组成，人脸检测和人脸识别。
对于人脸的生物特征，其在总体结构上具有相似性，因此可以通过人脸检测算法把人脸从复杂背景图像中提取出来，为后续识别人脸的局部结构差异性提供基础。
传统的人脸检测算法主要利用它的结构特征与肤色特征进行检测。
随着计算机运算能力的提高，为神经网络算法的大规模应用提供了条件，相较于传统方法其在实时性与准确性上都得到较大提升。
获得分离的人脸图像后，对不清晰的图像进行超分辨率重建，最终利用实时采集人脸与身份证人脸图像进行比对，得出其是否为同一人，具体流程如图1所示。
2 基于深度学习的超分辨率重建技术
超分辨率重建是指利用低质量、低分辨率图像产生高质量、高分辨率图像。
具体应用在高清电视，人脸识别，医疗图像，卫星图像等领域。
卷积神经网络由于其局部感知、参数共享等特有的性质，使它的卷积层在提取边缘信息和细节特征时具有独特的优势。
随着ReLU激励函数的引入，使其网络具备稀疏性[4]，仿照稀疏编码重建技术，将卷积神经网络应用在超分辨率重建技术中便生成了SRCNN模型，其根据信号相关性，通过提取训练样本集的高频信息来预测高分辨率图像，是当前最先进的算法[5]。
该方法对于低分辨率图像先后使用三次插值将其放大到目标大小，再通过三层卷积网络非线性映射，得到的结果作为高分辨率图像输出。
由于采集到的初始身份证图像的分辨率为[126×102]，为提高后续人脸检测与人脸识别环节的准确度，故采用超分辨率重建提高图像细节质量，重建前后图像对比如图2所示，（a）为重建前的照片，（b）为重建后的照片。
从图中可以看到，重建后的图像明显减少了颗粒感。
3 人脸检测与人脸识别模块
人脸检测与人脸识别模块采用SeetaFace这一开源模块，SeetaFace Engine是开源C++脸部识别引擎，它无需任何第三方库就能在CPU上运行[6]。
它由三部分组成：SeetaFace Detection （脸部检测）[7]，SeetaFace Alignment（脸部校准）[8]和SeetaFace Identification（脸部识别）[9]。
SeetaFace Detection由级联的漏斗结构（Funnel-Structured cascade，FuSt）实现，它被用来做现实中多视角脸部检测。
FuSt的目的是使用“由粗到细的结构”，它在准确性和速度之间取得了一个很好的平衡。
其中，前几层包含了多个针对视角的快速LAB级联分类器，而后几层是粗多层感知器（coarse Multilayer Perceptron，coarse MLP）级联结构，最终由统一的MLP级联结构来处理所有姿态的候选窗的内容。
FuSt包括一个用20万脸部图片训练的模型来专门处理近正面脸部，它也能检测部分非正面脸部，它也有些特别的地方，首先是MLP级联结构使用了SURF检测而不是SIFT，其次是加入了NMS（Non-Maximal Suprresion），最后是边界盒回归代替了关键点预测。
SeetaFace的人脸特征提取模块也是基于卷积神经网络的，它包含7个卷积层与2个全连接层的DCNN。
人脸特征采用VIPLFaceNet FC2层的2048个结点的输出，特征比对可简单采用Cosine计算相似度，然后进行阈值比较（验证应用）或排序（识别应用）即可。
该引擎在多数人脸识别场景下均具有良好的性能。
4 实验
系统实验环境为微软的Windows7操作系统，处理器为英特尔的i7系列处理器。
采用C++语言在微软VS2013集成开发环境下完成。
首先是软件界面如图3所示。
图3中可以看到软件采集到的身份证信息被显示在左侧，中间的Picture control控件显示的为人脸检测后从背景分离出的人脸图像，通过该人脸图像与图2（b）中被超分辨率重建后的身份证图像进行对比得出相似度。
从图3中可以看到，若身份证与用户身份一致时，相似度为0.6左右，若身份证与用户身份不一致时，其相似度显示在0.3左右。
显然，本文设计的系统可以有效地判断身份证与用户身份的一致性。
参考文献：
[1] 郑铁.基于多分类器的人脸识别算法的研究与实现[D].沈阳东北大学， 2008.
[2] 陈史政.人脸识别技术在考试身份验证中的应用[J].赤峰学院学报， 2014，（8）：41- 43.
[3] 朱秀娟，卢琳，钟洪发.基于仿射变换模型的图像特征点集配准方法研究[J].激光杂志，2016（6）：90-93.
[4] V Nair， GE Hinton. Rectified linear units improve restricted Boltzmann machines [C]. International Conference on Machine Learning， 2010： 807-814.
[5] C Dong， CL Chen， K He， X Tang. Learning a deep convolutional network for image super-resolution [C]. European Conference on Computer Vision， 2014， 8692： 184-199.
[6] Shengye Yan， Shiguang Shan， Xilin Chen， Wen Gao. Locally Assembled Binary （LAB） Feature for Fast and Accurate Face Detection. IEEE Computer Society International Conference on Computer Vision and Pattern Recognition， CVPR2008， Anchorage， Alaska，U.S.A， Jun.2008.
[7] Shuzhe Wu， Meina Kan， Zhenliang He， et al. Funnel-Structured Cascade for Multi-View Face Detection with Alignment-Awareness.2016.
[8] Jie Zhang， Shiguang Shan， Meina Kan， et al. Coarse-to-Fine Auto-Encoder Networks （CFAN） for Real-Time Face Alignment. ECCV 2014.
[9] Xin Liu， Meina Kan， Wanglong Wu， et al. VIPLFaceNet： An Open Source Deep Face Recognition SDK. Frontier of Computer Science.。